我是机器学习的新手，如果我笨，请原谅我。 我有一个traindata.csv文件，包含22个属性和30000个数据点。
我必须训练我的模型（不是特定算法）并预测testdata.csv文件中的20000个数据点，我必须使用我训练过的模型进行预测。
在traindata.csv中，'0'和'1'类标签的比例为5：1。 如果我使用整个列车数据训练我的模型，我的模型显示出预测0比1的偏差。
我知道我的测试数据中的实际值是0和1的比例为1：1。
你能否建议我使用某种方法（某种类型的噪音消除）来预处理我的列车数据，以便在预测我的测试数据时（因为它等于0和1）不会偏向0？
答案 0 :(得分：1)
这是一个称为＆＃34;不平衡分类的经典问题＆＃34;
我建议使用平衡套袋分类器。如果你喜欢python我会推荐this。我真的不重要你的东西，但树木是一个很好的起点。这个包中有很多文档和其他方法。
如果你想更加喜欢，你可以在任何类型的树方法中使用Hellinger distance。标准树选择对类大小比例（即倾斜）敏感的分裂点。海林格距离不是。我不知道python中的开源实现。